GenAI模型能效评级体系 - 快速开始指南

欢迎来到GenAI模型能效评级体系项目!本指南将帮助您快速搭建开发环境并开始使用本项目。

📋 前置要求

在开始之前,请确保您的系统满足以下要求:

系统要求

软件依赖

🚀 快速安装

方法1:自动安装(推荐)

我们提供了一个自动化的安装脚本,可以帮您完成大部分设置工作:

# 克隆项目
git clone https://github.com/your-org/genai-power-evaluation.git
cd genai-power-evaluation

# 运行安装脚本
chmod +x scripts/setup.sh
./scripts/setup.sh

安装脚本会自动:

方法2:手动安装

如果您更喜欢手动控制每个步骤,可以按照以下步骤进行:

1. 克隆项目

git clone https://github.com/your-org/genai-power-evaluation.git
cd genai-power-evaluation

2. 创建Python虚拟环境

# 创建虚拟环境
python3 -m venv venv

# 激活虚拟环境
# Linux/macOS:
source venv/bin/activate
# Windows:
venv\Scripts\activate

3. 安装Python依赖

# 升级pip
pip install --upgrade pip setuptools wheel

# 安装项目依赖
pip install -r requirements.txt

4. 安装前端依赖

# 进入前端目录
cd frontend

# 安装依赖
npm install

# 返回项目根目录
cd ..

5. 配置环境变量

# 复制环境配置模板
cp .env.example .env

# 编辑配置文件(根据您的环境修改)
nano .env

6. 初始化数据库

# 运行数据库初始化脚本
python scripts/init_db.py

7. 创建必要目录

# 创建数据目录
mkdir -p data/{raw,processed,external}
mkdir -p results logs uploads cache/models

🏃‍♂️ 启动服务

项目支持多种启动方式,您可以根据需要选择:

方式1:开发模式启动

启动后端服务

# 激活虚拟环境
source venv/bin/activate  # Linux/macOS
# 或
venv\Scripts\activate     # Windows

# 启动后端服务
python -m src.backend.main

后端服务将在 http://localhost:8000 启动,您可以访问:

启动前端服务

# 进入前端目录
cd frontend

# 启动开发服务器
npm run dev

前端服务将在 http://localhost:5173 启动。

方式2:Docker Compose启动(推荐)

如果您安装了Docker,可以使用Docker Compose一键启动所有服务:

# 启动所有服务
docker-compose up -d

# 查看服务状态
docker-compose ps

# 查看服务日志
docker-compose logs -f [service_name]

这将启动以下服务:

方式3:生产环境启动

对于生产环境部署,我们提供了专门的配置:

# 构建前端生产版本
cd frontend
npm run build
cd ..

# 使用生产配置启动
docker-compose -f docker-compose.prod.yml up -d

🧪 验证安装

安装完成后,您可以通过以下方式验证系统是否正常运行:

1. 健康检查

# 检查后端服务状态
curl http://localhost:8000/health

# 预期响应: {"status": "healthy", "timestamp": "..."}

2. 运行测试

# 运行Python测试
pytest tests/ -v

# 运行前端测试
cd frontend && npm test

3. 访问Web界面

打开浏览器访问 http://localhost:3000,您应该能看到项目的主界面。

📖 基本使用

1. 模型评估流程

  1. 上传模型: 在Web界面上传您的AI模型文件
  2. 配置评估: 选择评估指标和数据集
  3. 运行评估: 启动评估任务
  4. 查看结果: 在仪表板查看评估结果和分析报告

2. 数据集管理

3. 实验跟踪

🔧 常见问题解决

问题1:Python依赖安装失败

症状: pip安装时出现编译错误或依赖冲突

解决方案:

# 升级pip和工具
pip install --upgrade pip setuptools wheel

# 使用清华镜像源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 如果仍然失败,尝试单独安装问题包
pip install package-name --no-cache-dir

问题2:Node.js依赖安装失败

症状: npm install出现网络错误或权限问题

解决方案:

# 清理npm缓存
npm cache clean --force

# 使用淘宝镜像
npm config set registry https://registry.npmmirror.com

# 重新安装
npm install

问题3:数据库连接失败

症状: 后端启动时报数据库连接错误

解决方案:

# 检查数据库服务是否启动
# 如果使用Docker:
docker-compose logs postgres

# 检查数据库配置
grep DATABASE_URL .env

# 手动初始化数据库
python scripts/init_db.py

问题4:端口被占用

症状: 启动服务时提示端口已被使用

解决方案:

# 查看端口使用情况
# Linux/macOS:
lsof -i :8000
# Windows:
netstat -ano | findstr :8000

# 修改配置文件中的端口
# 编辑 .env 文件,修改相应的端口配置

问题5:模型下载失败

症状: 评估过程中模型下载超时或失败

解决方案:

# 检查网络连接
ping huggingface.co

# 设置代理(如果需要)
export HTTP_PROXY=http://your-proxy:port
export HTTPS_PROXY=http://your-proxy:port

# 使用国内镜像源
# 在配置文件中设置Hugging Face镜像

🎯 下一步

恭喜您成功搭建GenAI模型能效评级体系!接下来您可以:

  1. 📚 阅读文档: 查看详细的用户手册
  2. 🔬 运行实验: 使用提供的示例数据集进行模型评估
  3. ⚙️ 自定义配置: 根据您的需求调整系统配置
  4. 🚀 部署生产: 参考部署指南进行生产环境部署
  5. 🤝 贡献代码: 查看贡献指南参与项目开发

📞 获取帮助

如果您遇到问题或需要帮助,可以通过以下方式联系我们:

📄 许可证

本项目采用MIT许可证,详见 LICENSE 文件。


祝您使用愉快! 🎉